本文来自微信公众号： 极客公园 ，作者：Li Yuan，编辑：郑玄，原文标题：《王小川竟然拉来了顶尖三甲院长，一起用 AI「造医生」》
一年前，王小川第一次提出用AI「造医生」时，医疗圈的第一反应是被冒犯。
一年后，越来越多用户已经开始用豆包「看病」，甚至带着AI的回答去医院问医生。医患之间围绕「谁有解释权」的摩擦变得更明显。但有意思的是，三甲医院对于用AI「造医生」的态度却发生了翻转：从警惕，转向合作。
发生了什么？
今天，AI在医疗领域已经走到了一个非常微妙的位置。
不管你怎么看，你的爸妈很可能已经开始问豆包健康问题了。看病时，他们也可能会把豆包的回答拿给医生看。患者其实也知道，通用大模型不能全信；但不可逆的是，患者侧的信息通路已经被通用大模型打开了。
医生侧的警惕也不难理解。一个不够准确的通用AI，可能会制造误解；患者带着半真半假的信息来质疑医生，也会在无形中和医生争夺医疗解释权。
但问题是：大家为什么要问豆包？
因为很多问题，不去医院就没有地方问。人不可能为了每一句听不懂的医嘱都再去一次医院，也不可能为了每一个异常指标、每一次用药困惑、每一条健康短视频都去挂号。大医院医生太忙，基层能力又不够，院前、院后管理长期缺位。
这背后，是中国医疗长期存在的供给问题。
从在场医生的表态来看，医生真正反感的，不是AI本身。真正医者仁心的医生，最清楚现有医疗供给有多不够，也最知道患者在诊前、诊后、院外和家庭里有多少问题没人接住。而他们比谁都更希望AI能解决这些问题。
01
做AI医生的最底层能力，在于模型智能
一个问答框和一个真正的AI家庭医生，区别在哪里？
通用模型加上医学知识库，已经能回答不少健康问题。用户问「这个指标是什么意思」，模型解释一下；用户问「这个药有什么副作用」，模型列出注意事项。看起来也可以很专业。
但这样的产品，还不能真正增加医疗供给。
原因在于，现实中的患者很少能准确地描述自己的问题。他可能只会说「最近不舒服」「孩子发烧了」「脚有点疼」。在信息不足的情况下，通用模型要么过早给出一个看起来确定的答案，要么为了安全，最后落到一句「建议咨询医生」。
前者可能误导患者，后者又把问题重新交还给本就忙碌的医生。
一个好的家庭医生，不能只回答已经被问出来的问题。它要知道还缺哪些信息，继续追问，判断风险，必要时把患者推向医院。它也要在诊后持续跟进：药有没有按时吃，症状有没有变化，什么时候应该复查。
问诊、循证、专病、多模态、长期管理，这些看起来是医疗能力，本质上也是对模型推理、交互、证据使用和真实世界理解能力的系统性考验。
02
以患者为中心，才能找到正确的产品形态
过去几年，医疗科技产品并不少。
互联网问诊、在线挂号、电子病历、医生Copilot、院内质控系统、AI辅助诊断，每一类都在解决医疗体系里的某个问题。
但很多产品的默认视角，其实并不是普通患者和家庭。
服务医院的产品，往往围绕管理效率展开：病历结构化、质控、科研、医保控费、院内流程优化。它们能提高医院运转效率，但普通人很少直接感受到它们的存在。
服务医生的产品，往往围绕医生工作流展开：写病历、查指南、总结病情、辅助诊断、生成随访记录。它们能减轻医生负担，也确实有价值，但AI仍然站在医生身后。患者能否受益，仍然取决于医生有没有时间、医院有没有能力，把这些效率转化成更充分的解释、随访和管理。
互联网医疗也解决过一部分触达问题。它让挂号更方便，让问诊可以在线发生，让买药、续方、复诊变得更顺滑。但互联网医疗本质上更多是在重新分配和连接既有供给，而不是创造新的供给。
它让你更容易找到一个医生，但并没有让医生拥有更多时间；它把一部分问诊搬到了线上，但并没有真正补上院前、院后、家庭和基层这些长期缺位的服务。
过去医疗圈内部做AI，也常常没有跳出这个思路。
很多项目的出发点，是用一批医疗数据训一个模型，让它在某个专病、某类影像、某个诊断任务上，把准确率再往上推一点。它们可以写进论文，可以服务课题，也可以在某个院内场景里发挥作用。
而大量医疗问题，恰恰源自医疗里最底层的问题：供给不足。
很多年轻人陪家人去医院时，可能都见过这样的场景：老年人站在挂号机、取号机、缴费窗口前，不知道下一步该点哪里，也不知道该问谁。有人低头翻着手机，有人拿着报告在队伍里来回走，有人看起来只是想找一个人帮他判断一下：「我现在到底该怎么办？」
那一刻很容易让人心酸。因为你会想到，如果有一天是自己的父母独自去医院，他们会不会也卡在这些环节里；如果将来是自己老了，面对更复杂的医疗系统，又会不会也一样无助。
普通人在医疗系统面前长期处于被动位置：听不懂医学术语，看不懂检查报告，不知道该挂哪个科，不知道什么时候必须就医，也不知道医生说的话回家之后该怎么执行。
但以患者为中心，不等于绕开医生。
「家庭医生」这个词，在中国医疗体系里并不新。很多城市早就推进过家庭医生签约服务，但真实体验是，很多人名义上被家庭医生覆盖，却很少真正获得持续、主动、可触达的健康管理。基层医生资源有限，社区医疗能力不均衡，家庭医生很难真的走进每个家庭的日常健康决策。
因为中国家庭的健康决策，本来就不是由一个人独立完成的。老人看病，往往是子女在远程帮忙；孩子生病，是父母一起判断；慢病管理，靠全家一起提醒和执行。很多健康问题，本来就发生在家庭聊天里：爸妈刷到健康短视频，转到群里问「这个能不能信」；老人拿到报告看不懂，拍照发给子女；孩子半夜发烧，家里人一起判断要不要去医院。
03
医生，
是AI「造医生」最热心的拥护者之一
这在医疗行业里并不常见。
医疗是一个出了名谨慎、缓慢、强调责任边界的行业。很多时候，AI进入医疗，首先遇到的不是兴奋，而是质疑：会不会有幻觉？出了问题谁负责？患者能不能直接用？会不会反而加剧医患矛盾？
但在这次发布会上，很多医生谈到AI时，反而有一种非常具体的兴奋。
这种兴奋不是来自「AI很酷」，而是来自非常现实的临床问题：现有医疗供给确实不够。
儿科医生不够，肿瘤患者院外陪伴不够，慢病患者的筛查、随访、用药执行长期没人盯得住。院前、院后从来不是医疗的边角料，只是过去医生没有那么多时间，医疗系统也很难把服务持续送到每个患者身边。
过去中国医疗一直在讲分级诊疗，讲强基层，讲家庭医生，讲全生命周期健康管理。但这些目标长期很难真正落地，原因不是方向不对，而是供给不足。基层医生不够，家庭医生没有足够时间，专科医生也很难把服务延伸到患者家里。
医疗AI到底对医生们意味着什么？
今天医生对AI的复杂情绪，很大程度上不是凭空出现的。
豆包这样的通用AI，已经先一步进入了患者侧。很多患者开始拿AI问健康问题，甚至带着AI的回答去看医生。对医生来说，这当然不是一个舒服的变化：患者的信息来源突然变多了，但这些信息未必专业；患者的问题变多了，但很多问题背后带着对医生判断的质疑；医生需要解释病情，也需要额外解释为什么AI的回答不一定对。
在很多医生真正理解医疗AI之前，他们已经先感受到了通用AI对医疗秩序的冲击。这也是为什么，医疗AI很容易先被医生警惕，甚至被讨厌。
因为如果AI只是一个脱离专业体系的通用问答框，它带来的不是新的医疗供给，而可能是更多误解、更多焦虑、更多医患之间的信息摩擦。患者会用，医生拦不住；但医生也很难放心接受这种AI直接参与医疗决策。
